基于人工神經(jīng)網(wǎng)絡的企業(yè)財務危機預警實證研究.pdf

1、經(jīng)濟全球化不僅促進了社會資源的合理配置和有效整合，也帶來了日趨激烈的社會競爭，引發(fā)了企業(yè)一系列新的問題和危機。在這些危機中財務危機無疑是最綜合和最顯著的一種危機表現(xiàn)形式。因此無論是企業(yè)管理者還是國內(nèi)外有關學者對企業(yè)財務危機預警問題的重要性已經(jīng)普遍達成共識，但與國外在該領域七十多年的研究成果相比，我國在該方面的研究仍顯得較為稚嫩，迫切需要后繼學者結(jié)合我國企業(yè)實際情況進一步深入地研究。同時，目前人工智能技術在經(jīng)濟領域的應用不斷發(fā)展和完善，為

2、企業(yè)財務危機預警研究開闊了新的思路，提供了新的理論和技術支持。而隨著我國上市公司信息披露制度的不斷成熟，使得該領域的實證研究逐漸成為可能。
　　鑒于此，本文將由于“財務異常狀況”而被“特別處理”的企業(yè)定義為財務危機企業(yè)，選取2004年至2010年間存在財務危機的制造業(yè)企業(yè)207家以及配對企業(yè)207家作為研究對象，收集其過去5年間短期償債能力、長期償債能力、發(fā)展能力、風險水平、企業(yè)規(guī)模、現(xiàn)金流量、盈利能力和運行能力這8個方面共計87

3、個財務數(shù)據(jù)，組成備選財務指標。在從中挑選預警指標時遵循兩個原則：一是必須選擇那些對輸出影響大且能能夠檢測或提取的變量；二是還要求各輸入變量之間互不相關或者相關性很小。同時為了防止過多的篩選原則將原本具有較多信息含量的變量也排除在外，從而影響預測精度。本文一方面只以原則一作為參照，以數(shù)據(jù)完整性和是否具有顯著性差異作為判斷標準構(gòu)建了“數(shù)據(jù)集A”，另一方面兼顧兩個原則，在“數(shù)據(jù)集A”基礎上再進行精加工，引入因子分析法對輸入變量進行降維，構(gòu)建了

4、“數(shù)據(jù)集B”。然后分別以這二類數(shù)據(jù)集作為輸入，利用反向傳播神經(jīng)網(wǎng)絡、徑向基神經(jīng)網(wǎng)絡和概率神經(jīng)網(wǎng)絡（下文均簡稱為BP、RBF和PNN神經(jīng)網(wǎng)絡）模型進行了網(wǎng)絡構(gòu)建、參數(shù)設置，確定了最優(yōu)解計算方法，并按照設計好的實驗方案開展研究，實際計算部分通過Matrix Laboratory（即MATLAB）軟件進行編程實現(xiàn)。
　　經(jīng)過研究，本文得出以下重要結(jié)論：一是本文構(gòu)建的財務危機預警指標體系是真實有效的，兩組數(shù)據(jù)測試集的五年平均預測準確率分別

5、達到75.93％和76.76%；二是對BP神經(jīng)網(wǎng)絡結(jié)構(gòu)與預警效果的關系進行了探索性研究，實證結(jié)果表明，從網(wǎng)絡穩(wěn)健性、長期預測能力及推廣應用性考慮，單隱含層的BP神經(jīng)網(wǎng)絡相對于雙隱含層具有更好的預測效果；三是確定了BP、RBF和PNN神經(jīng)網(wǎng)絡各年份的最優(yōu)解以及所對應的重要參數(shù)，更加客觀真實地反映模型對測試樣本的真實預測能力，并對三種神經(jīng)網(wǎng)絡模型各自特點進行了總結(jié)；四是對“數(shù)據(jù)集A”和“數(shù)據(jù)集B”預測效果進行了對比分析，為后續(xù)研究中預警指標